====== Definitionen / Ursprung ======

===== First Degree Price Discriminiation =====
 
also known as perfect price discrimination
has been around ever since people began bartering and exchanging goods.Lipsey and Chrystal (2007)

In an ideal world, from the producer’s perspective, one producer could identify each consumer’s willingness-to-pay function and set prices accordingly (cf. Varian 1996)

Challenges: 
1. Identifiy WTP-Fct. for each customer
2. Complains
3. ...

===== Second Degree Price discrimination =====
Varian and Shapiro in 1998

Versioning: Offering different product version to engage differential pricing. #versions = #market_segments.


===== Third Degree Price discrimination =====

Groups: Collection of Customers with common characteristics.

===== Maximum Price =====

Perceived reference price of the reference product plus the differentiation value between the reference product and the product of interest. 

Source: Nagle and Holden 2002, Chap. 4

Reference value of a product is the cost of the competing product that the customer views as the best alternative.

Beispiel: Produkt besitzt utility 10 €.

Kenntnis des exchange values/economic value to the customer ist hilfreicher, als utility zu kennen, da dieser Wert von der verfügbaren Alternativen abhängt.

Economic value is the maximum price that a smart shopper, fully informed about the market and seeking the best value would pay.

Ermittlung des reference values einfach, da Substitut oder Durchschnitt anderer Produkte verwendet werden kann. Differention value zu bestimmen schwierig, da Differenzierungfaktoren berücksichtigt werden müssen (z.B. Reparaturkosten).

===== Reservation Price =====
[...] a person's reservation price is the price at which he or she is just indifferent between purchasing or not purchasing the good.

Reservation price acts as the monetary equivalent of the utility of a product.

Consumer Surplus is the monetary difference between the products utility (reservation price) and the sales price.

Source: Varian (2003, p.4)

Auktionen für Reservation price
===== Willingness-to-pay (WTP) =====

If the customer sees no alternative, the amount he/she is willing to pay equals the reservation price, else it equals the maximum price.

Nach Dowdeswell 1995

Anmerkung: Evtl. macht es Sinn eine andere Pricingstrategie zu fahren, wenn es keine Alternativen gibt.
===== Price sensitivity =====
[When the price drops from $20·00 to $19·00,
a five per cent change, let us say that sales expand by eight per cent. Later, the price
is reduced from $10·00 to $9·50, again a five per cent change, and if the consumers'
subjective valuation follows a ratio scale, then sales should again increase by eight
per cent.] Economists would describe this as **constant elasticity of demand**; (Quelle: Price Sensitivity of the Consumer - André Gabor, C.W.J. Granger / Price as an Indicator of Quality: Report on an Enquiry 1966)

Gemessen anhand Price Awareness (Recall - wieviele können sich an den Preis erinnern?)

"price sensitivity varies considerably both with the nature of the product and with the dominant pricing policy in the market."

==== Elasticity of demand ====

Elasticity of demand => Wie ändert sich Nachfrage, wenn sich der Preis ändert? 

Prozentuale Änderung der Nachfrage / Prozentuale Änderung des Preises

Idee: Pro Item könnte man für bestimmte Perioden eine Nachfragekurve berechnen. Items/Itemkategorien sind für Rabatte interessant, die sehr elastisch sind. Wie in ((Determinants of Store-Level Price Elasticity)) könnte man Einflussfaktoren auf Preiselastizität feststellen.

Problem:
  * Hier zunächst fraglich was eine Periode darstellt, bzw. was ist, wenn es eine Preisänderung innerhalb der Periode gibt.
  * Weiterhin fraglich was ist, wenn ein Rabatt gewährt wurde
  * Welche Erkenntnisse zieht man aus Einflussfaktoren der Regression?


====== Faktoren ====== 
  * Produktebene:
    * Verfügbare Produktinformationen, gewöhnliches/einzigartiges Gut; je einzigartiger/mehr Informationen desto weniger Preissensibel ((Pricing on the Internet))
    * Produktart/Marke "Price sensitivity can be reflected in switching among brands of the same product category, between product categories in the same store, and across different stores." ((Determinants of Store-Level Price Elasticity))
  * Kundenebene:
    * Demographische Faktoren
    * Kaufintensität
  * Wettbewerbsebene:
    * Anzahl Kaufalternativen, Substitutionsmöglichkeiten, Suchkosten, Price dispersion ((Determinants of Store-Level Price Elasticity))

====== Stichwörter ======
  * Price Discrimination
  * Personalized Pricing
  * Reservation Price
  * Willingness to Pay
  * Dynamic Pricing
  * Tailored Pricing
  * mining purchase history
  * mining transaction data
====== Artikel ======

  * Übersicht Pricingarten Auszug aus "On-line personalized sales promotion in electronic commerce"
    * Demand-oriented Pricing
      * Discriminatory pricing: Produkt wird zu verschiedenen Preisen verschiedenen Kunden oder segmentierten Märkten angeboten.
        * Marktbasiert: Verschiedene Marktsegmente, geographische Regionen
        * Produktbasiert: Unterschiede der Preise anhand Produkttyp/Farbe
        * Zeitbasiert
        * Kaufbasiert: Kaufcharacterisitk
        * Nutzungsbasiert

Paper: Kostenorientiertes Pricing + Lebenszykluspricing (Produkt+Business) + Diskriminierendes Pricing + Anpassung an Kundencharakteristika

Purchase pattern discount: Vergleich der gekauften Produkte der Vergangenheit mit personalisierten Promotionprodukten, um über Discount der Promotion prices zu entscheiden.

Vorgehen Promotion Patterns Model:

Ausgangspunkt: Produkttabelle: Klasse, Marke, Preis, Kosten, Status

1. Marktsegmentierung der Kunden (Name, Alter, Geschlecht, Einkommen, Gesamteinkaufshöhe)
2. Mining der Transaktionsdatenbank: 
2.1 Diskretisierung der Attribute (Binning)
2.2 Association Rule Mining ähnlicher Produkte für alle Kunden, Kundencluster, Individualkunde
2.3 Sequential Rule Mining

Für jede Produktklasse, Kundenklasse Crossanalyse

Evaluationskriterien zur Promotionauswahl:
Profit, Kundenzufriedenheit, Success ratio (Anzahl angenommener Promotions)


==== Messung mittels Scanner Daten ====
Quelle: ((Commercial use of UPC scanner data: Industry and academic perspectives))

Scanner Daten
    * Scanner Daten Analyse nützlich für Entscheidungen bzgl. Kunden/Handelrabatte und Pricing. Bspw. haben Logit/Regressionsmodelle eine sehr niedrige durchschnittliche Kundenantwort auf Rabatte gezeigt. Aus Industriesicht auch erfolgreich für Trade Promotions und Price Elastizitäten. Sixty-two percent said scanner data modeling and analysis were used “heavily” to address pricing issues.

Anwendungsfeld: 
  * Preiselastizitäten
  * Preisgrenzwerte und Lücken: Manager gehen davon aus, dass ein Preis eine gewisse Grenze überschreiten muss (er quasi nicht durch die reine Preiselastizität bestimmt werden sollte). Price Gaps zwischen Eigenmarke und Fremdmarke

==== Beispielartikel - Identifying Price Sensitive Customers: ...====
Datengrundlage: Scanner-Daten

Schätzung individueller Haushaltsniveau-Preiselastizitäten für jede Kategorie unter Vewendung der Bayeschen fixed-effects Methode.

$P_{ik}(j) = \frac{e^{\alpha_{ij} + \beta_i x_{ijk}}}{\sum_m{e^{\alpha_{im} + \beta_i x_{imx}}}}$

$x_{ijk}$: Logarithmus des von Haushalt i beobachtenen Preis von Marke j zur Gelegenheit k.
$\alpha_{ij}, \beta_i$ sind Haushaltsspezifische Parameter.

Bestimmung von Priors. Prior vorgeschlagen von Rossi und Allenby (1993).

=== Demographic Profile Variables ===

Einkommen: Natürlicher Logarithmus
Education: Dummy variable; 1 wenn männl. Teil Bachelor oder höher
Haushaltsgröß:e
Hauseigentum: 0/1
Retire: 0/1

Da Attribute nicht unabhängig voneinander sind, wurde PCA durchgeführt. 2 Faktoren benamt.

=== Haushaltseinkaufsmuster ===

1. Durchschnittliche Ausgabe in einem Shoppingtrip (nat. log)
2. Durchschnittliche Einkaufshäufigkeit pro Woche
3. Store Brand Proensity: Bereitschaft Eigenmarken zu kaufen
4. Store Loyality: Als Entropyindex auf Basis der Besuche pro Beobachtungszeitraum

Wieder PCA, nur eine Dimension gefunden.

=== Modellierung ===

Reduktion der demographischen und Shopping pattern Daten auf 3 Meta-Variablen. Für zwei der Metavariablen können Hypothesen basierend auf der Literatur abgeleitet werden, für eine nicht.

H1: Hypothese ist, dass Preissensibilität über die Kategorien hinweg verbunden ist.
Nach Stigler ist größtes Hindernis der Preissuche die Zeit. D.h. Haushalte mit mehr Zeit werden höhere Preissensitivtiät besitzen.

H2: Gesamte Haushaltpreissensibilität wird positiv mit retirement score zusammenhängen.

Für Shopping Intensitiy müssen einzelne Variablen betrachtet werden. Alle sind positiv zueinander gestellt. Nach der Suchtheory (...) sind Shopping Expense und Frequency positiv mit der Haushaltspreissensibilität verbunden. 
Kauf Eigenmarken auch Anzeichen. Store Loyalität hat negativen Einfluss. 

H3: Gesamte Haushaltspreissensibilität wird positiv mit Shopping Internsity score verbunden sein.

Für YS Meta-Variable kann keine a-priori Schätzung vorgenommen werden, da sowohl positive wie negativer Effekt auf Preissensitivität zu erwarten ist.

Schätzung von 2 Modellen, um zu testen ob demographische Meta-Variablen PS direkt oder indirekt durch shopping pattern Meta-Variable beeinflußt.

Independent Model: Einfluss von demographischen Daten unabhängig von Shopping patterns.
Hierarchival model.

== Independent Model ==
Erst Schätzung der Preiselastizitäten, dann diese als Input für strukturmodell verwenden. Joint estimation wäre aber vorzuziehen.

==== Weitere Themen ====
  * Gefahren Dynamic Pricing
    * Dynamic pricing in internet retail: Effects on consumer trust
    * Pricing on the Internet